来源报道：量子位《具身智能 Skill 时刻！英伟达开源机器人技能库，Jim Fan：范式变了》1（凤凰网转载3）。以下关键信息均已回溯至一手来源（英伟达 GEAR 官方项目页 / 论文），右侧「关键信息目录」可按分类跳转。
🧠 核心技术与范式
英伟达 GEAR 实验室开源了机器人技能库 ASPIRE（Agentic Skills Discovery for Robotics）。它的核心，是让机器人把每一次「调试成功的修复」沉淀为带名字、可执行、可检索的技能，下次遇到相似失败时直接把它取出来复用。2
它走的是 「代码即策略」（Code as Policy） 路线：不让模型直接输出机器人动作，而是让大模型写出可执行的机器人控制程序——于是机器人的行为是「看得见的代码」，而不是藏在神经网络里的隐式权重。1
系统由三部分组成一个开放式学习闭环：闭环执行引擎（记录感知、规划、抓取每一步的多模态轨迹）、持续扩张的技能库（把验证过的修复蒸馏成可迁移知识）、进化式搜索（并行生成多条候选程序并迭代择优）。2
训练方式也随之改变：多个 Agent 可以各自练不同技能，再把经验汇入同一个技能库——训练的产物不再只是一堆浮点权重，而是一座不断变大的「感觉-运动技能库」。1
🏢 主导机构与团队
项目由 英伟达 GEAR 实验室 主导——这是英伟达为「真实与虚拟世界中的具身智能体」构建基础模型的团队。2
参与方还包括 密歇根大学、伊利诺伊大学厄巴纳-香槟分校（UIUC）、加州大学伯克利分校、卡内基梅隆大学（CMU） 等多所高校实验室。2
👤 关键人物
Jim Fan（范麟熙）——英伟达机器人负责人、GEAR 实验室共同负责人——把这称作机器人学习范式的转变：训练出来的「模型」，对应的不再只是一堆浮点权重，而是一座持续扩张的机器人技能库。1
朱玉可（Yuke Zhu） 与 Jim Fan 共同领导 GEAR 实验室，同为本项目的项目负责人。2
论文的共同第一作者为 Runyu Lu、Yubo Wu、Ethan Kou，另有 Guanzhi Wang 等参与、朱玉可与 Jim Fan 担任项目负责人。2
📊 实验结果
在 Robosuite 的双臂物体交接任务上，ASPIRE 通过反复调试把成功率从 20% 提升到 92%。2
在 LIBERO-90 上学到的技能能迁移到没见过的长时程任务：技能库越丰富，编程 Agent 在 LIBERO-Long 上的成功率越高。2
评测覆盖 Robosuite、LIBERO-Pro、BEHAVIOR-1K 等基准，涵盖接触密集的桌面操作，以及需要导航的长时程移动操作。2